Gracias a la analítica de datos se generan nuevos modelos de negocio centrados en el mantenimiento predictivo o en el establecimiento de precios en función del uso
La servitización es un paradigma asociado a la Industria 4.0 que se basa en la posibilidad de ofrecer servicios añadidos a los clientes gracias a la información que proporciona el producto vendido. La premisa básica para proponer este tipo de servicios es que el bien proporcione datos sobre su funcionamiento y estos lleguen al fabricante en tiempo real. La información se recoge a través de sensores dotados con conexión a Internet instalados en los dispositivos. También se pueden emplear otras tecnologías como RFID o ‘beacons’ para proporcionar información sobre su ubicación. Una vez recopilada la información, se utilizan técnicas de analítica de datos para ofrecer estos servicios añadidos.
Uno de los ejemplos más representativos y simples de servitización es el mantenimiento predictivo que emplean dispositivos como las fotocopiadoras con conexión a Internet. Cuando el fabricante recibe información de que se está acabando la tinta o que hay un error de funcionamiento, se pone en marcha el servicio técnico de manera automática. El 84% de los ingresos de empresas como Xerox procede de este tipo de servicios contratados por sus clientes.
La recepción de datos en tiempo real también es fundamental para ofrecer avisos ante el mal funcionamiento de un dispositivo. La compañía Michelin comercializa un neumático inteligente denominado MEMS Evolution3 que incorpora sensores resistentes al agua que ofrecen información sobre su temperatura y su presión. Este neumático tiene conectividad 3G y es capaz de enviar datos en tiempo real e incluso mandar alertas a través de correo electrónico o SMS en caso de que se superen los umbrales de temperatura o presión.
También se puede emplear la analítica de datos para determinar el precio de un producto en función de su uso y no por un valor estándar. Empresas como Rolls-Royce comercializan motores para aviación garantizando un número determinado de horas de vuelo o de potencia de motor. En caso de cualquier problema, la compañía proporciona todo el soporte, incluido el mantenimiento, para cumplir sus acuerdos.
Servitización en Euskadi
En Euskadi también hay ejemplos de servitización. Empresas de fabricación de máquina herramienta como Ibarmia o Zayer ofrecen servicios de mantenimiento predictivo a sus clientes gracias a la información que proporcionan los sensores instalados en sus máquinas. “Los productos que fabricamos y vendemos pueden durar de 20 a 25 años, por lo que para nosotros es fundamental conocer cómo se comporta durante ese tiempo un equipo y prever posibles fallos de funcionamiento o realizar cambios de diseño. Gracias a los datos que recibimos de algunas de las partes más sensibles de esas máquinas podemos evitar estos problemas”, destacaba recientemente Arrate Olaiz, directora de Innovación de Ibarmia.
Otra compañía centrada en el ámbito del ‘big data’, la inteligencia artificial y la servitización es la guipuzcoana NEM Solutions. Reconocida a nivel internacional por su apuesta por la innovación, está especializada en los ámbitos de la movilidad y la energía, ofreciendo nuevos modelos de negocio basados en el tratamiento de datos. “En el sector de la energía eólica es muy difícil garantizar a un operador que va a generar una cantidad determinada de energía porque todo depende del viento. Pero nosotros lo hemos conseguido ya que analizamos factores como las series históricas de la intensidad del viento en un determinado punto, supervisamos cómo funcionan las máquinas y en qué estado se encuentran y en función de todo ello podemos perfilar un plan dinámico de mantenimiento. Podemos garantizar la generación de una cantidad mínima de energía y si se produce más obtenemos bonificaciones. Hay clientes que están cambiando sus modelos de negocio gracias a los datos”, explica Alberto Conde, CEO de NEM Solutions.
“En el sector ferroviario uno de los aspectos críticos de los trenes son sus ruedas, ya que sufren un desgaste por el contacto con las vías de metal. Es muy habitual que las empresas ferroviarias compren equipos de visión artificial o con tecnología láser para medir el desgaste de las ruedas. Pero estos equipos son muy caros y pueden superar el millón de euros. Nosotros proveemos un servicio de análisis para saber cuándo es necesaria una reparación o sustitución de ruedas. Durante nuestros años de actividad hemos recopilado 60 millones de mediciones de ruedas en todo el mundo y tenemos datos sobre su desgaste en diferentes tipos de trenes, según el país en el que circulan, el estado de la línea ferroviaria de cada zona e incluso el tipo de operador que gestiona las líneas. En función de esas variables podemos ofrecer un servicio de mantenimiento de ruedas y estimar el tiempo que van a durar. Gracias a esa información logramos extender el tiempo de vida de los trenes y reducimos los costes de abastecimiento porque nuestros clientes pueden planificar la compra de repuestos y reducir su nivel de inversión”, detalla Alberto Conde.
Retos de la servitización
La analítica de datos para la servitización tiene sus retos. Uno de ellos es el mantenimiento de la sensórica que ofrece los datos ya que la vida útil de muchos productos puede prolongarse más de 20 años, mientras que la de los sensores es menor. Otro desafío es detectar cuáles de los datos que se captan son vitales porque no todos ellos tienen la misma relevancia a la hora de ofrecer información sobre un determinado bien. Las plataformas de inteligencia artificial para analizar los datos y mostrarlos de manera coherente a los clientes también son una parte fundamental en los procesos de servitización. Y un último aspecto, que en los últimos tiempos también está adquiriendo gran relevancia, es el de la propiedad de los datos captados. Por lógica, el cliente de los modelos de servitización es el dueño de los datos que generan sus sistemas, pero cuando se analizan a través de plataformas de inteligencia artificial se origina nueva información cuya propiedad no está tan clara. Ambas partes deben de establecer previamente acuerdos sobre la privacidad y la propiedad de cualquier tipo de información que se geste durante los procesos de analítica.